論文の概要: More Accurate, Less Human: Gestalt Grouping in Vision Models
- arxiv url: http://arxiv.org/abs/2608.10195v1
- Date: Mon, 10 Aug 2026 20:14:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.803931
- Title: More Accurate, Less Human: Gestalt Grouping in Vision Models
- Title（参考訳）: より正確で少ない人間:視覚モデルにおけるゲシュタルトグルーピング
- Abstract要約: 本研究では,4つのグループ化タスクの事前認識から,人間のデータに対するモデルを評価する行動バッテリーを提案する。
5つのトレーニングファミリーで45のモデルに適用します。
バッテリーは、人間の反応との一致が、従来のパフォーマンス指標が区別できない知覚的組織の側面を捉えていることを明らかにする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human vision organizes what it sees into wholes: same-colored points group into series, similar marks cohere into categories, and shapes complete into recognizable objects. These are the Gestalt operations that visualization design builds on. Whether vision models organize visual content this way has not been systematically tested. We introduce a behavioral battery that scores models against human data from prior perception studies on four grouping tasks: mark-color odd-one-out, color-series counting, silhouette recognition, and object odd-one-out. We apply it to 45 models across five training families: supervised, self-supervised, and contrastive vision-language encoders, open-weight VLMs, and closed foundation models. The battery reveals that agreement with human responses captures aspects of perceptual organization that conventional performance metrics fail to distinguish, with several closed models exhibiting substantially lower alignment than their benchmark accuracy would suggest. Scoring against published perception data therefore gives visualization research a reusable yardstick, requiring no new user study, for auditing whether the models now entering visualization pipelines organize what they see the way their human audience does.
- Abstract（参考訳）: 人間の視覚は、同じ色の点をシリーズに分類し、類似のマークをカテゴリに分類し、形を認識可能なオブジェクトに分類する。
ビジュアライゼーションデザインを基盤とするGestaltのオペレーションです。
視覚モデルがこの方法で視覚コンテンツを整理するかは、体系的にテストされていない。
本研究では,4つのグループ化課題(マークカラー奇数1アウト,カラーシリーズカウント,シルエット認識,オブジェクト奇数1アウト)について,先行認識から人体データに対するモデルを評価する行動バッテリーを提案する。
教師付き、自己監督型、コントラスト型視覚言語エンコーダ、オープンウェイトVLM、クローズドファンデーションモデルである。
バッテリーは、人間の反応との一致が従来のパフォーマンス指標が区別できない知覚的組織の側面を捉えていることを明らかにし、いくつかのクローズドモデルはベンチマークの精度よりもかなり低いアライメントを示す。
そのため、公開された知覚データに対するスコア付けにより、可視化研究は再利用可能なヤードスティックとなり、可視化パイプラインに入るモデルが、人間のオーディエンスの動きを整理するかどうかを監査するために、新しいユーザースタディを必要としない。
関連論文リスト
- Emergent Goal-Directed Attention in Large Vision-Language Models [3.2171716419695335]
汎用視覚言語モデル(英語版) (VLM) は、視線固有の訓練を伴わずに、人間の協調的、ゴール指向の空間優先順位を生成できる。
これらの結果から,汎用VLMは視線固有の訓練を伴わずに,目標指向の空間的優先順位を人力で生成できることが示唆された。
論文 参考訳（メタデータ） (2026-08-31T15:00:02Z) - IKIWISI: An Interactive Visual Pattern Generator for Evaluating the Reliability of Vision-Language Models Without Ground Truth [4.734824660843964]
IKIWISI (I Know It When I See It) は、ビデオオブジェクト認識における視覚言語モデルを評価するための対話型視覚パターン生成装置である。
このツールは認知監査機構として機能し、人間と機械の認識のミスマッチを克服する。
論文 参考訳（メタデータ） (2025-05-28T12:41:08Z) - When Does Perceptual Alignment Benefit Vision Representations? [76.32336818860965]
視覚モデル表現と人間の知覚的判断との整合がユーザビリティに与える影響について検討する。
モデルと知覚的判断を一致させることで、多くの下流タスクで元のバックボーンを改善する表現が得られることがわかった。
その結果,人間の知覚的知識に関する帰納バイアスを視覚モデルに注入することは,より良い表現に寄与することが示唆された。
論文 参考訳（メタデータ） (2024-10-14T17:59:58Z) - Evaluating Multiview Object Consistency in Humans and Image Models [68.36073530804296]
我々は、物体の形状に関するゼロショット視覚的推論を必要とする認知科学の実験的設計を活用する。
我々は500人以上の参加者から行動データの35万件の試行を収集した。
次に、一般的な視覚モデルの性能を評価する。
論文 参考訳（メタデータ） (2024-09-09T17:59:13Z) - Aligning Vision Models with Human Aesthetics in Retrieval: Benchmarks and Algorithms [91.19304518033144]
検索システムにおける視覚モデルと人間の審美基準の整合を図る。
本研究では、視覚モデルと人間の美学をよりよく整合させるために、視覚モデルを微調整する嗜好に基づく強化学習手法を提案する。
論文 参考訳（メタデータ） (2024-06-13T17:59:20Z) - Q-Instruct: Improving Low-level Visual Abilities for Multi-modality
Foundation Models [81.20804369985376]
我々は,低レベルの視覚に対する多数の人間のフィードバックを収集する大規模主観的実験を行う。
構築された**Q-Pathway**データセットには、18,973イメージに関する58万の詳細な人間のフィードバックが含まれている。
我々は、GPT参加型変換を設計し、これらのフィードバックを多種多様な200K命令応答対に処理する。
論文 参考訳（メタデータ） (2023-11-12T09:10:51Z) - Towards Reliable Assessments of Demographic Disparities in Multi-Label
Image Classifiers [11.973749734226852]
マルチラベル画像分類と,特に対象分類タスクについて検討する。
測定のための設計選択とトレードオフは、以前のコンピュータビジョン文学で議論されたよりもニュアンスが高い。
実装の詳細にだけ似ているが、評価の結論に大きな影響を及ぼすいくつかの設計選択を特定します。
論文 参考訳（メタデータ） (2023-02-16T20:34:54Z) - Vision-Language Models Performing Zero-Shot Tasks Exhibit Gender-based
Disparities [19.03751960721954]
ゼロショット視覚言語モデルが、異なる視覚タスクに対してジェンダーバイアスを示す範囲について検討する。
概念の集合にまたがって複数のデータセットを持つ異なる視覚言語モデルを評価する。
論文 参考訳（メタデータ） (2023-01-26T13:44:31Z) - Localization vs. Semantics: Visual Representations in Unimodal and
Multimodal Models [57.08925810659545]
既存の視覚・言語モデルと視覚のみのモデルにおける視覚表現の比較分析を行う。
我々の経験的観察は、視覚・言語モデルがラベル予測タスクに優れていることを示唆している。
我々の研究は、視覚学習における言語の役割に光を当て、様々な事前学習モデルの実証的なガイドとして機能することを願っている。
論文 参考訳（メタデータ） (2022-12-01T05:00:18Z) - Inter-model Interpretability: Self-supervised Models as a Case Study [0.2578242050187029]
テキスト・インター・モデル・インタプリタビリティを導入するためのDissectと呼ばれる最近の解釈可能性技術を構築した。
我々は、学習概念の観点から、モデル間の近さを明らかにする学習概念埋め込み空間に、トップパフォーマンスの自己教師型モデル13を投影する。
この実験により、モデルを3つのカテゴリに分類し、異なるタスクが必要とする視覚概念の種類を初めて明らかにしました。
論文 参考訳（メタデータ） (2022-07-24T22:50:18Z) - Visual Distant Supervision for Scene Graph Generation [66.10579690929623]
シーングラフモデルは通常、大量のラベル付きデータを人間のアノテーションで教師付き学習する必要がある。
本研究では,人間ラベルデータを用いずにシーングラフモデルを訓練できる視覚関係学習の新しいパラダイムである視覚遠方監視を提案する。
包括的な実験結果から、我々の遠隔監視モデルは、弱い監督と半監督のベースラインよりも優れています。
論文 参考訳（メタデータ） (2021-03-29T06:35:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。